이상우의 IDL 블로그

IDL/ENVI의 제작사인 NV5 Geospatial에서 오는 11월 30일에서 12월 1일에 걸쳐 개최될 예정인 웨비나(Webinar)에 대하여 안내합니다. 이번 웨비나에서는 ENVI와 IDL의 차기 버전인 ENVI 6.0 및 IDL 9.0에 대한 소개가 있을 예정입니다.정확한 출시 시기는 아직 예고되진 않았지만 제 짐작으로는 아마도 12월 중 늦어도 내년 1월 전까지는 출시가 될 것으로 보입니다. 특히 이번에 출시될 버전은 소수점 앞자리의 넘버링이 바뀌는 것이기 때문에 아마도 괄목할만한 변화가 있지않을까 조심스레 예상해봅니다. IDL의 경우만 보면 8.0에서 9.0으로 가는데 약 13년 정도가 걸린 셈인데, 다른 때(7.0에서 8.0, 6.0에서 7.0, 5.0에서 6.0 등)에 비해서는 좀 더 시간..

증가 연산자(Increment Operator) 및 감소 연산자(Decrement Operator)는 원래 C나 자바 같은 프로그래밍 언어들에서 지원되는 연산자들인데, IDL에서도 6.0 버전부터 이러한 증감 연산자들이 지원되어오고 있습니다. 기호로는 ++ 및 --로 표기합니다. IDL에서 이러한 연산자들의 기본적인 개념은 타 언어에서와 거의 비슷합니다. 그러면 IDL에서 증가 및 감소 연산자들의 사용 방법 및 예제들을 살펴보기로 하겠습니다. 증가 및 감소 연산자는 변수 또는 배열에 대하여 적용이 가능합니다. 예를 들어 a라는 변수에 적용한다고 하면 그 방식은 a++, ++a, a--, --a 등과 같습니다. 다만 숫자값 자체에는 적용이 불가능하다는 것을 유의해야 합니다. 즉 23++과 같은 방식의 사용..

IDL과 파이썬 사이의 연동 기능인 IDL-파이썬 브릿지(IDL-Python Bridge) 기능은 IDL 8.5부터 지원되기 시작했습니다. 그런데 브릿지 기능으로 연동 가능한 IDL과 파이썬의 버전은 매번 다릅니다. 마침 IDL 본사 웹페이지에서 그 세부사항을 일목요연하게 표로 정리하여 올린 내용이 있어서 여기서도 소개해봅니다. 자세한 내용은 다음 표와 같습니다. 이 표는 해당 웹페이지에서 제가 캡쳐해서 올린 것입니다. 흥미로운 것은 IDL 8.5부터 현 시점 기준으로 최신 버전인 8.9뿐만 아니라 9.0 버전까지도 포함되어 있습니다. 아마 IDL의 다음 버전은 8.9.x가 아니라 바로 9.0으로 가는 것 같습니다. 제가 들은 소식에 의하면 차기 버전은 아마 빠르면 올해 안에 릴리즈가 될 것 같기도 합니..

IDL에서 도움말을 보기 위해서는 통상적으로는 IDL 프롬프트에서 ? 기호를 입력하고 엔터를 누르면 됩니다. 그러면 그 PC의 기본 웹브라우저 상에서 도움말 문서가 뜨는 방식입니다. 물론 이 방법은 IDL을 일단 실행시킨 상태라는 전제가 붙습니다. 물론 어차피 사용자는 IDL로 작업을 하면서 도움말을 참조하는 경우가 많기 때문에 이러한 방식이 자연스럽습니다. 다만 경우에 따라서는 IDL 도움말을 보고는 싶은데 굳이 IDL을 거치지 않고 도움말 내용만 보고자 할 경우도 있습니다. 물론 방법이 있습니다. 첫번째 방법은 IDL 도움말 문서 파일에 직접 접근하는 것입니다. IDL 도움말 문서는 원래는 IDL이 설치된 폴더 내에 .htm 파일로 존재합니다. 윈도우즈 OS에 설치된 IDL 8.9를 기준으로 할 경우..

ASDF(Advanced Scientific Data Format)는 주로 천문학 분야에서 이미지 및 데이터의 교환을 위하여 많이 사용되어왔던 FITS 표준을 대체하는 역할로서 최근들어 많이 사용되고 있는 데이터 형식입니다. 제임스웹 우주망원경(James Webb Space Telescope)의 데이터 처리 파이프라인에서도 사용되고 있기도 합니다. 따라서 이러한 형식의 데이터 파일을 생성하거나 읽는 기능을 여러 프로그래밍 언어들에서 이미 지원하고 있는데, IDL의 경우도 8.9 버전부터 ASDF 형식의 파일 생성 및 읽기 기능을 지원하기 시작하였습니다. 얼마전에 IDL 8.9의 출시에 관한 게시물을 통해서도 간략하게 언급을 한 바 있는데요. 오늘은 IDL에서 ASDF 파일을 생성하고 읽는 방법에 관하여 ..

IDL에서 군집화 분석 작업을 하는 방법에 관하여 얼마전에 관련 게시물을 통하여 소개한 바 있습니다. 여기서는 계층적 군집 분석(Hierachical Clustering) 알고리즘을 기반으로 군집화를 수행하는 방법을 설명하였고, 이러한 작업을 위하여 DISTANCE_MEASURE, CLUSTER_TREE, DENDROGRAM 등의 기능들을 사용하는 방법 및 관련 예제들을 소개하였습니다. 그런데 IDL에서는 군집화 분석에 있어서 이러한 계층적 분석 기법 외에도 또 다른 기법을 사용할 수도 있습니다. 바로 K-평균 알고리즘을 바탕으로 하는 K-평균 군집화(K-means Clustering) 분석 기법입니다. 이 알고리즘은 웹상에서 검색을 해보면 "주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러..